Согласно описанию, мы можем предположить, что следующие переменные могут быть косвенно связаны с уровнем физической активности:
Характеристики когорты по параметрам физической активности:
| Characteristic | N = 916 |
|---|---|
| Weight.gain.diet | |
| 1 | 5 (0.5%) |
| 2 | 911 (99%) |
| High.protein.diet | |
| 1 | 4 (0.4%) |
| 2 | 912 (100%) |
| Vigorous.work | |
| 1 | 176 (19%) |
| 2 | 740 (81%) |
| Vigorous.work.days | |
| 0 | 740 (81%) |
| 1 | 19 (2.1%) |
| 2 | 22 (2.4%) |
| 3 | 24 (2.6%) |
| 4 | 17 (1.9%) |
| 5 | 60 (6.6%) |
| 6 | 13 (1.4%) |
| 7 | 21 (2.3%) |
| Vigorous.work.min | |
| Mean (SD) | 32 (89) |
| Median (25%-75%) | 0 (0-0) |
| Minimum-Maximum | 0-660 |
| Walk.bicycle | |
| 1 | 211 (23%) |
| 2 | 705 (77%) |
| Walk.bicycle.days | |
| 0 | 705 (77%) |
| 1 | 12 (1.3%) |
| 2 | 21 (2.3%) |
| 3 | 29 (3.2%) |
| 4 | 17 (1.9%) |
| 5 | 59 (6.4%) |
| 6 | 8 (0.9%) |
| 7 | 65 (7.1%) |
| Walk.bicycle.min | |
| Mean (SD) | 13 (39) |
| Median (25%-75%) | 0 (0-0) |
| Minimum-Maximum | 0-480 |
| Vigorous.recr | |
| 1 | 191 (21%) |
| 2 | 725 (79%) |
| Vigorous.recr.days | |
| 0 | 725 (79%) |
| 1 | 22 (2.4%) |
| 2 | 41 (4.5%) |
| 3 | 46 (5.0%) |
| 4 | 29 (3.2%) |
| 5 | 29 (3.2%) |
| 6 | 14 (1.5%) |
| 7 | 10 (1.1%) |
| Vigorous.recr.min | |
| Mean (SD) | 16 (39) |
| Median (25%-75%) | 0 (0-0) |
| Minimum-Maximum | 0-360 |
В качестве параметра физической активности я собираюсь использовать
сумму пяти количественных переменных: Vigorous.work.min,
Walk.bicycle.min, Vigorous.recr.min,
Moderate.work.act, Moderate.recr.act. Эта
сумма, теоретически должна отражать количество минут физической
активности проведенных во время работы, перемещений по городу, а так же
досуга. Главная проблема такой оценки состоит в большой субъективности
подобных оценок, некоторые люди могут иметь тенденцию завышать эти
оценки. Можно попробовать также использовать комбинацию бинарных флагов
для этих же занятий как ординальную переменную, однако в таком случае мы
сталкиваемся с проблемой невозможности оценки равноценности вклада
каждого из факторов между собой и между субъектами.
Могу предположить, что показатель гликированного гемоглобина может
быть ассоццирован с тремя основными факторами: 1. Количество
потребляемых углеводов, то есть качество и тип пищевого поведения;
2. Скорость метаболизма глюкозы в печени и других органах, скорость
конвертации в другие молекулы (жирные кислоты, аминокислоты, гликоген);
3. Потребление глюкозы мышцами.
Эти три фактора так или иначе должны объединять в себе все остальные, приведенные на графе. Характеристики когорты по новым параметрам физической активности:
## Warning: Using an external vector in selections was deprecated in tidyselect 1.1.0.
## ℹ Please use `all_of()` or `any_of()` instead.
## # Was:
## data %>% select(columns)
##
## # Now:
## data %>% select(all_of(columns))
##
## See <https://tidyselect.r-lib.org/reference/faq-external-vector.html>.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.
| Characteristic | N = 913 |
|---|---|
| Physical.act.min | |
| Mean (SD) | 133 (176) |
| Median (25%-75%) | 60 (0-180) |
| Minimum-Maximum | 0-960 |
| Physical.act.ord | |
| 0 | 231 (25%) |
| 1 | 306 (34%) |
| 2 | 224 (25%) |
| 3 | 100 (11%) |
| 4 | 42 (4.6%) |
| 5 | 10 (1.1%) |
Профиль физической активности у субъектов когорты:
Зависимость уровня гликированного гемоглобина от уровня физической активности:
Можно заметить обратную нелинейную зависимость (не каузальную) уровня
гликированного гемоглобина от физической активности, пациенты с высоким
(более 300 минут) имеют больший разброс уровняли гликированного
гемоглобина. Исходя из этого, можно разделить пациентов на следующией
группы: Zero: 0 минут физической активности,
Average: нижние 75% пациентов по физической активности, у
которых она выше нуля; High: верхние 25% пациентов по
физической активности, у которых она выше нуля.
Чтобы линеаризовать зависимость и сдвинуть распределение к более нормальному проведем логарифмическую трансформацию:
data %>%
rename(Glycohemoglobin = LBXGH) %>%
ggplot() +
geom_density(aes(x=log(Glycohemoglobin)), fill="lightblue", color="black") +
theme_minimal()
data_prepared %>%
select(
c("Physical.act.min", "BMI",
"Sex", "Age.Years", "Race", "Education",
"Marital.Status", "Family.Income", "Total.Sugars",
"Total.fat", "Cholesterol", "Glycohemoglobin",
"Smoking.Status", "Alcohol.Consumption",
"Asthma", "Thyroid.Disease",
"COPD", "Low.Salt", "Energy", "Malignancy.Status")
) %>%
ggpairs(
upper = list(continuous = wrap("points", alpha = 0.5, size = 1),
combo = wrap("points", alpha = 0.5, size = 1),
disrete = "blank"),
lower = list(continuous = "cor",
discrete = "count",
combo = wrap("box_no_facet", outlier.size = 0.5)),
diag = list(continuous = "barDiag",
discrete = "barDiag"),
showStrips = TRUE, progress = FALSE) +
theme_bw(base_size = 7) +
theme(axis.text.x = element_text(angle = 90, hjust = 1),
panel.grid.minor = element_blank(),
strip.placement = "outside",
strip.background = element_rect(color = "white", fill = "#EFEBE9"),
strip.text = element_text(size = 7, face = "bold"))
Проверим некоторые наблюдени
ggplot(data = data_prepared, aes(x = BMI, y = Physical.act.min)) +
geom_point(size = 2, shape = 19, color = "black", alpha = 0.75) +
theme_bw()
Эти выбросы выглядят странно, хотя человек вполне может столько
весить:
max(data_prepared$BMI) * (1.75 ** 2)
## [1] 237.3438
~ 600 грамм чистого алкоголя - выше смертельной дозы для здорового человека, однако я не знаю период и характеристик участника исследования.
ggplot(data = data_prepared, aes(x = Alcohol.Consumption, y = Physical.act.min)) +
geom_point(size = 2, shape = 19, color = "black", alpha = 0.75) +
theme_bw()
Выброс по энергии тоже возможно не аномальный, вполне соответствуется с потреблением сахаров:
ggplot(data = data_prepared, aes(x = Energy, y = Total.Sugars)) +
geom_point(size = 2, shape = 19, color = "black", alpha = 0.75) +
theme_bw()
Параметры из графа:
Race - конфаундер
Education - конфаундер
Family income - конфаундер
Smoking -
прокси-конфаундер
Age - конфаундер
Comorbidities - конфаундер
Sex - конфаундер
Blood pressure - коллайдер
Diabetic medication -
коллайдер
Marital status - instrumental variable
Гипотеза: физическая активность (в часах) отрицательно ассоциирована с уровнем гликированного гемоглобина.Для того, чтобы протестировать эту гипотезу и получить оценки несмещеннного эффекта физической активности на уровень гликированного гемоглобина в модель будут включены все конфаундеры. Помимо включенных в граф факторов, я также считаю необходимым внести в модель фактор, отражающий потребление углеводов и алкоголя.
Из коморбидностей я не буду включать в граф помимо повышенного давления коронарную болезнь сердца, инфаркт и инсульт, так как это тоже коллайдеры.
Построим полную модель со всеми ковариатами:
## Warning: There was 1 warning in `mutate()`.
## ℹ In argument: `across(where(is.numeric), round, 5)`.
## Caused by warning:
## ! The `...` argument of `across()` is deprecated as of dplyr 1.1.0.
## Supply arguments directly to `.fns` through an anonymous function instead.
##
## # Previously
## across(a:b, mean, na.rm = TRUE)
##
## # Now
## across(a:b, \(x) mean(x, na.rm = TRUE))
| term | estimate | std.error | statistic | p.value |
|---|---|---|---|---|
| (Intercept) | 4.17597 | 0.24518 | 17.03209 | 0.00000 |
| Physical.act.hrs | 0.02434 | 0.01186 | 2.05253 | 0.04041 |
| SexMale | 0.08474 | 0.07648 | 1.10810 | 0.26812 |
| Age.Years | 0.01611 | 0.00239 | 6.73767 | 0.00000 |
| RaceBlack | -0.08698 | 0.14066 | -0.61837 | 0.53649 |
| RaceHispanic | -0.26684 | 0.14285 | -1.86792 | 0.06211 |
| RaceOther | -0.58242 | 0.23346 | -2.49469 | 0.01279 |
| RaceWhite | -0.46237 | 0.12567 | -3.67918 | 0.00025 |
| Education.L | -0.24715 | 0.11379 | -2.17207 | 0.03012 |
| Education.Q | 0.10735 | 0.09548 | 1.12441 | 0.26115 |
| Education.C | -0.02073 | 0.08267 | -0.25076 | 0.80206 |
| Education^4 | -0.07032 | 0.07364 | -0.95484 | 0.33992 |
| BMI | 0.03143 | 0.00500 | 6.28291 | 0.00000 |
| Alcohol.Consumption | -0.00129 | 0.00116 | -1.10542 | 0.26928 |
| Low.SaltYes | 0.21104 | 0.21890 | 0.96410 | 0.33526 |
| Energy | 0.00008 | 0.00005 | 1.67279 | 0.09473 |
| Family.Income.L | -0.07781 | 0.15606 | -0.49858 | 0.61820 |
| Family.Income.Q | -0.02643 | 0.13803 | -0.19148 | 0.84819 |
| Family.Income.C | 0.05043 | 0.13595 | 0.37097 | 0.71075 |
| Family.Income^4 | -0.24905 | 0.13230 | -1.88248 | 0.06010 |
| Family.Income^5 | 0.23695 | 0.13361 | 1.77348 | 0.07650 |
| Family.Income^6 | 0.10197 | 0.13027 | 0.78274 | 0.43399 |
| Family.Income^7 | 0.22165 | 0.12679 | 1.74809 | 0.08080 |
| Family.Income^8 | -0.02875 | 0.12320 | -0.23337 | 0.81553 |
| Family.Income^9 | -0.08467 | 0.11990 | -0.70612 | 0.48030 |
| Family.Income^10 | -0.12943 | 0.11580 | -1.11773 | 0.26399 |
| Family.Income^11 | 0.13342 | 0.10560 | 1.26340 | 0.20678 |
| Total.Sugars | -0.00118 | 0.00059 | -1.99940 | 0.04587 |
| Smoking.StatusFormer.Smoker | 0.04058 | 0.07769 | 0.52230 | 0.60160 |
| Smoking.StatusFrequent.Smoker | 0.15837 | 0.10424 | 1.51937 | 0.12903 |
| Smoking.StatusRare.Smoker | 0.05699 | 0.18532 | 0.30751 | 0.75853 |
| AsthmaYes | 0.04129 | 0.11444 | 0.36080 | 0.71833 |
| Thyroid.DiseaseYes | 0.15676 | 0.11136 | 1.40767 | 0.15958 |
| COPDYes | -0.09853 | 0.16891 | -0.58330 | 0.55984 |
| Malignancy.StatusYes | 0.13649 | 0.10942 | 1.24746 | 0.21256 |
Мы можем увидеть, что согласно нашей модели, физическая активность статистически значима связана с уровнег гликированного гемоглобина, при этом мы наблюдаем положительную связь, что противоречит первоначальной гипотезе, в которой мы предполагали, что связь должна быть отрицательной. При этом каждый час физической активности увеличивает уровень гликированного гемоглобина на 0.024 процентных пункта, что нормальный уровень гликированного гемоглобина примерно от 4 до 5.7%.
Проведем диагностику модели:
Модель действительно сильно подвержена гетерскедастичности, что видно по расширяющемуся “облаку” остатков:
При этом сильных выбросов в модели нет:
По ассоциациям с предикторами есть некоторые выбросы, но они сильно не влияют на полученную модель:
Поскольку мы наблюдаем гетероскдеастичность в данных, для получения корректных интервальных оценок нам необходимо скорректировать стандартные ошибки:
| Factor | Estimate | SE | t.value | p.value | lwr.CI | upr.CI |
|---|---|---|---|---|---|---|
| (Intercept) | 4.17597 | 0.22748 | 18.35774 | 0.00000 | 3.72951 | 4.62244 |
| Physical.act.hrs | 0.02434 | 0.01606 | 1.51559 | 0.12998 | -0.00718 | 0.05585 |
| SexMale | 0.08474 | 0.08267 | 1.02507 | 0.30561 | -0.07751 | 0.24700 |
| Age.Years | 0.01611 | 0.00212 | 7.59687 | 0.00000 | 0.01195 | 0.02027 |
| RaceBlack | -0.08698 | 0.14666 | -0.59309 | 0.55327 | -0.37483 | 0.20086 |
| RaceHispanic | -0.26684 | 0.12684 | -2.10376 | 0.03568 | -0.51578 | -0.01790 |
| RaceOther | -0.58242 | 0.14425 | -4.03762 | 0.00006 | -0.86553 | -0.29931 |
| RaceWhite | -0.46237 | 0.10778 | -4.28985 | 0.00002 | -0.67392 | -0.25083 |
| Education.L | -0.24715 | 0.12812 | -1.92901 | 0.05405 | -0.49862 | 0.00431 |
| Education.Q | 0.10735 | 0.10973 | 0.97834 | 0.32818 | -0.10801 | 0.32272 |
| Education.C | -0.02073 | 0.09537 | -0.21736 | 0.82798 | -0.20790 | 0.16644 |
| Education^4 | -0.07032 | 0.07468 | -0.94157 | 0.34667 | -0.21689 | 0.07626 |
| BMI | 0.03143 | 0.00572 | 5.49317 | 0.00000 | 0.02020 | 0.04266 |
| Alcohol.Consumption | -0.00129 | 0.00307 | -0.41940 | 0.67503 | -0.00731 | 0.00474 |
| Low.SaltYes | 0.21104 | 0.22622 | 0.93290 | 0.35113 | -0.23296 | 0.65505 |
| Energy | 0.00008 | 0.00006 | 1.25515 | 0.20976 | -0.00004 | 0.00020 |
| Family.Income.L | -0.07781 | 0.14337 | -0.54271 | 0.58747 | -0.35920 | 0.20358 |
| Family.Income.Q | -0.02643 | 0.12026 | -0.21978 | 0.82609 | -0.26246 | 0.20960 |
| Family.Income.C | 0.05043 | 0.13335 | 0.37821 | 0.70537 | -0.21128 | 0.31215 |
| Family.Income^4 | -0.24905 | 0.12642 | -1.97013 | 0.04914 | -0.49717 | -0.00094 |
| Family.Income^5 | 0.23695 | 0.14375 | 1.64838 | 0.09963 | -0.04518 | 0.51908 |
| Family.Income^6 | 0.10197 | 0.15913 | 0.64078 | 0.52183 | -0.21035 | 0.41429 |
| Family.Income^7 | 0.22165 | 0.13444 | 1.64860 | 0.09959 | -0.04223 | 0.48552 |
| Family.Income^8 | -0.02875 | 0.13908 | -0.20672 | 0.83628 | -0.30172 | 0.24422 |
| Family.Income^9 | -0.08467 | 0.14980 | -0.56520 | 0.57208 | -0.37867 | 0.20934 |
| Family.Income^10 | -0.12943 | 0.13231 | -0.97825 | 0.32822 | -0.38912 | 0.13025 |
| Family.Income^11 | 0.13342 | 0.09759 | 1.36707 | 0.17195 | -0.05813 | 0.32497 |
| Total.Sugars | -0.00118 | 0.00074 | -1.59170 | 0.11181 | -0.00264 | 0.00028 |
| Smoking.StatusFormer.Smoker | 0.04058 | 0.08167 | 0.49689 | 0.61939 | -0.11971 | 0.20087 |
| Smoking.StatusFrequent.Smoker | 0.15837 | 0.12309 | 1.28659 | 0.19858 | -0.08322 | 0.39996 |
| Smoking.StatusRare.Smoker | 0.05699 | 0.15123 | 0.37684 | 0.70639 | -0.23982 | 0.35380 |
| AsthmaYes | 0.04129 | 0.12732 | 0.32431 | 0.74578 | -0.20859 | 0.29117 |
| Thyroid.DiseaseYes | 0.15676 | 0.13120 | 1.19480 | 0.23249 | -0.10074 | 0.41426 |
| COPDYes | -0.09853 | 0.20350 | -0.48415 | 0.62840 | -0.49794 | 0.30088 |
| Malignancy.StatusYes | 0.13649 | 0.10359 | 1.31759 | 0.18799 | -0.06683 | 0.33981 |
После коррекции стандартных ошибок физическая активность теряет статистическую значимость. При этом, если даже рассматреть верхнюю границу ДИ для физической активности, то 1 час физической активности повышает уровень гликированного гемоглобина лишь на 0.056 процентных пункта, что все еще представляется клинически незначимым эффектом, а о клинической значимости нижней границы и говорить не приходится.
Если рассмотреть модель без ковариат, то можно также придти к выводу, что эффект статистически и клинически не значим:
| term | estimate | std.error | statistic | p.value |
|---|---|---|---|---|
| (Intercept) | 5.81393 | 0.04308 | 134.95081 | 0.00000 |
| Physical.act.hrs | -0.00425 | 0.01171 | -0.36274 | 0.71688 |
Проведем диагностику модели:
Поскольку мы снова наблюдаем гетероскдеастичность, то скорректируем значения стандартных ошибок и получим доверительные интервалы:
| Factor | Estimate | SE | t.value | p.value | lwr.CI | upr.CI |
|---|---|---|---|---|---|---|
| (Intercept) | 5.81393 | 0.04728 | 122.9691 | 0.0000 | 5.72114 | 5.90672 |
| Physical.act.hrs | -0.00425 | 0.01604 | -0.2647 | 0.7913 | -0.03573 | 0.02724 |
То же мы можем заключить и после коррекции, физическая активность не оказывает статистически или клинически значимого влияния (даже если оценивать границы интервалов).
Вывод: физическая активность в данной модели не оказывает статистически и клинически значимого эффекта на уровень гликированного гемоглобина.
| term | estimate | std.error | statistic | p.value |
|---|---|---|---|---|
| (Intercept) | 4.13167 | 0.24902 | 16.59178 | 0.00000 |
| Physical.act.hrs | 0.04492 | 0.02346 | 1.91462 | 0.05587 |
| SexMale | 0.13112 | 0.08905 | 1.47253 | 0.14124 |
| Age.Years | 0.01611 | 0.00239 | 6.73920 | 0.00000 |
| RaceBlack | -0.08774 | 0.14066 | -0.62374 | 0.53296 |
| RaceHispanic | -0.26227 | 0.14292 | -1.83507 | 0.06683 |
| RaceOther | -0.58014 | 0.23347 | -2.48485 | 0.01315 |
| RaceWhite | -0.45789 | 0.12575 | -3.64138 | 0.00029 |
| Education.L | -0.25072 | 0.11384 | -2.20241 | 0.02790 |
| Education.Q | 0.10390 | 0.09554 | 1.08758 | 0.27708 |
| Education.C | -0.02048 | 0.08267 | -0.24771 | 0.80442 |
| Education^4 | -0.07156 | 0.07365 | -0.97158 | 0.33153 |
| BMI | 0.03162 | 0.00501 | 6.31691 | 0.00000 |
| Alcohol.Consumption | -0.00124 | 0.00117 | -1.06658 | 0.28645 |
| Low.SaltYes | 0.21604 | 0.21895 | 0.98669 | 0.32407 |
| Energy | 0.00008 | 0.00005 | 1.71255 | 0.08715 |
| Family.Income.L | -0.07226 | 0.15615 | -0.46272 | 0.64368 |
| Family.Income.Q | -0.03363 | 0.13821 | -0.24332 | 0.80781 |
| Family.Income.C | 0.05859 | 0.13618 | 0.43020 | 0.66715 |
| Family.Income^4 | -0.25340 | 0.13237 | -1.91437 | 0.05590 |
| Family.Income^5 | 0.24283 | 0.13373 | 1.81583 | 0.06974 |
| Family.Income^6 | 0.10219 | 0.13027 | 0.78449 | 0.43297 |
| Family.Income^7 | 0.21592 | 0.12692 | 1.70131 | 0.08924 |
| Family.Income^8 | -0.02917 | 0.12320 | -0.23676 | 0.81290 |
| Family.Income^9 | -0.09022 | 0.12003 | -0.75167 | 0.45245 |
| Family.Income^10 | -0.13620 | 0.11599 | -1.17424 | 0.24062 |
| Family.Income^11 | 0.13165 | 0.10562 | 1.24650 | 0.21291 |
| Total.Sugars | -0.00116 | 0.00059 | -1.96632 | 0.04958 |
| Smoking.StatusFormer.Smoker | 0.04104 | 0.07769 | 0.52825 | 0.59746 |
| Smoking.StatusFrequent.Smoker | 0.15893 | 0.10423 | 1.52470 | 0.12769 |
| Smoking.StatusRare.Smoker | 0.06297 | 0.18541 | 0.33961 | 0.73424 |
| AsthmaYes | 0.04829 | 0.11464 | 0.42123 | 0.67369 |
| Thyroid.DiseaseYes | 0.15984 | 0.11140 | 1.43486 | 0.15168 |
| COPDYes | -0.10615 | 0.16907 | -0.62784 | 0.53027 |
| Malignancy.StatusYes | 0.12779 | 0.10975 | 1.16440 | 0.24458 |
| Physical.act.hrs:SexMale | -0.02749 | 0.02704 | -1.01677 | 0.30955 |
Данные гетероскедастичны, скорректируем стандартные ошибки:
| Factor | Estimate | SE | t.value | p.value | lwr.CI | upr.CI |
|---|---|---|---|---|---|---|
| (Intercept) | 4.13167 | 0.23321 | 17.71654 | 0.00000 | 3.67396 | 4.58939 |
| Physical.act.hrs | 0.04492 | 0.04064 | 1.10539 | 0.26929 | -0.03484 | 0.12469 |
| SexMale | 0.13112 | 0.11000 | 1.19199 | 0.23359 | -0.08478 | 0.34703 |
| Age.Years | 0.01611 | 0.00213 | 7.55927 | 0.00000 | 0.01193 | 0.02030 |
| RaceBlack | -0.08774 | 0.14707 | -0.59655 | 0.55096 | -0.37640 | 0.20092 |
| RaceHispanic | -0.26227 | 0.12815 | -2.04655 | 0.04100 | -0.51379 | -0.01075 |
| RaceOther | -0.58014 | 0.14659 | -3.95766 | 0.00008 | -0.86784 | -0.29244 |
| RaceWhite | -0.45789 | 0.10915 | -4.19499 | 0.00003 | -0.67212 | -0.24366 |
| Education.L | -0.25072 | 0.13112 | -1.91220 | 0.05618 | -0.50806 | 0.00662 |
| Education.Q | 0.10390 | 0.10948 | 0.94902 | 0.34287 | -0.11098 | 0.31878 |
| Education.C | -0.02048 | 0.09588 | -0.21357 | 0.83093 | -0.20865 | 0.16770 |
| Education^4 | -0.07156 | 0.07436 | -0.96234 | 0.33615 | -0.21750 | 0.07438 |
| BMI | 0.03162 | 0.00572 | 5.53296 | 0.00000 | 0.02041 | 0.04284 |
| Alcohol.Consumption | -0.00124 | 0.00306 | -0.40659 | 0.68441 | -0.00725 | 0.00476 |
| Low.SaltYes | 0.21604 | 0.22780 | 0.94836 | 0.34321 | -0.23107 | 0.66314 |
| Energy | 0.00008 | 0.00006 | 1.29353 | 0.19617 | -0.00004 | 0.00021 |
| Family.Income.L | -0.07226 | 0.14160 | -0.51027 | 0.60999 | -0.35018 | 0.20567 |
| Family.Income.Q | -0.03363 | 0.11748 | -0.28627 | 0.77474 | -0.26420 | 0.19694 |
| Family.Income.C | 0.05859 | 0.13346 | 0.43899 | 0.66077 | -0.20334 | 0.32052 |
| Family.Income^4 | -0.25340 | 0.12943 | -1.95777 | 0.05057 | -0.50744 | 0.00063 |
| Family.Income^5 | 0.24283 | 0.14893 | 1.63056 | 0.10334 | -0.04946 | 0.53513 |
| Family.Income^6 | 0.10219 | 0.16087 | 0.63526 | 0.52542 | -0.21354 | 0.41792 |
| Family.Income^7 | 0.21592 | 0.13281 | 1.62575 | 0.10436 | -0.04475 | 0.47659 |
| Family.Income^8 | -0.02917 | 0.13978 | -0.20867 | 0.83475 | -0.30351 | 0.24517 |
| Family.Income^9 | -0.09022 | 0.14892 | -0.60582 | 0.54479 | -0.38251 | 0.20207 |
| Family.Income^10 | -0.13620 | 0.13283 | -1.02539 | 0.30546 | -0.39690 | 0.12450 |
| Family.Income^11 | 0.13165 | 0.09775 | 1.34678 | 0.17840 | -0.06020 | 0.32351 |
| Total.Sugars | -0.00116 | 0.00074 | -1.56548 | 0.11783 | -0.00262 | 0.00029 |
| Smoking.StatusFormer.Smoker | 0.04104 | 0.08234 | 0.49846 | 0.61828 | -0.12056 | 0.20265 |
| Smoking.StatusFrequent.Smoker | 0.15893 | 0.12274 | 1.29482 | 0.19572 | -0.08197 | 0.39983 |
| Smoking.StatusRare.Smoker | 0.06297 | 0.15146 | 0.41572 | 0.67772 | -0.23431 | 0.36024 |
| AsthmaYes | 0.04829 | 0.12643 | 0.38196 | 0.70258 | -0.19985 | 0.29644 |
| Thyroid.DiseaseYes | 0.15984 | 0.13139 | 1.21650 | 0.22412 | -0.09804 | 0.41772 |
| COPDYes | -0.10615 | 0.20610 | -0.51505 | 0.60665 | -0.51066 | 0.29836 |
| Malignancy.StatusYes | 0.12779 | 0.10778 | 1.18570 | 0.23606 | -0.08374 | 0.33932 |
| Physical.act.hrs:SexMale | -0.02749 | 0.04261 | -0.64519 | 0.51898 | -0.11112 | 0.05614 |
Итак, эффект взаимодействия пола и физической активности не является статистически значимым, при прочих равных 1 час физической активности среди мужчин повышает уровень гликированного гемоглобина на 0.027 процентных пункта меньше, чем у женщин. При этом нижняя интервальная оценка этого изменения оценивает разницу в 0.11 процентных пункта, что, как мне кажется, все еще нельзя рассматривать, как клинически значимое отклонение.